如何用正则仅定位<a href>与</a>标签间的&quot;&gt;字符（sed/bash）

我需要定位HTML标签间的特定内容：无需匹配从<a href到</a>的全部内容，仅需定位这两个标签之间的">字符。

我正尝试将<a href>链接转换为维基链接，例如示例文本：

<a href="./light.html">Light</a> is light.

<div class="reasons">

希望直接编辑文件，将<a href="link.html">Link</a>转换为[[link.html|Link]]。目前我的思路是通过3步sed编辑实现：

• <a href="link.html">Link</a> → <a href="link.html|Link</a>
• <a href="link.html|Link</a> → [[link.html|Link</a>
• <a href="link.html|Link</a> → [[link.html|Link]]

我的问题出在第一步：找不到仅定位<a href与</a>之间">的正则表达式。我明白需结合环视语法实现，但测试失败；也曾尝试条件正则，要么报错，要么会误匹配div标签。

补充说明：我使用Ubuntu系统，通过bash脚本调用sed进行文本处理。

针对Ubuntu的GNU sed，以下是精准解决方法：

第一步的单步解决命令 #

用正向捕获匹配<a href标签内的">，替换为|，确保不匹配其他标签：

sed -E 's/(<a href="[^"]+)">/\1|/g' 你的文件名.html

解释：

• (<a href="[^"]+)">：捕获<a href="xxx">部分，[^"]+确保只匹配到当前a标签的引号结束位置，不会越界
• \1|：保留捕获的内容，仅将后面的">替换为|

更高效的一步完成全部转换 #

没必要分三步，单行a标签可以用一条命令直接完成转换：

sed -E 's/<a href="([^"]+)">([^<]+)<\/a>/[[\1|\2]]/g' 你的文件名.html

解释：

• ([^"]+)：捕获链接地址到分组1
• ([^<]+)：捕获链接文本到分组2（假设文本不含<字符）
• [[\1|\2]]：直接替换为维基链接格式

处理跨多行的a标签 #

如果存在跨多行的a标签，用sed的多行模式把整个文件读入内存处理：

sed -E ':a; N; $!ba; s/<a href="([^"]+)">([^<]+)<\/a>/[[\1|\2]]/g' 你的文件名.html

兼容带额外属性的a标签 #

如果a标签包含class等其他属性（如<a href="link.html" class="bar">Link</a>），调整正则兼容：

sed -E 's/<a[^>]+href="([^"]+)"[^>]*>([^<]+)<\/a>/[[\1|\2]]/g' 你的文件名.html

[^>]+会匹配a标签内的任意额外属性，确保不管标签结构如何都能正确捕获链接和文本。

内容的提问来源于stack exchange，提问作者TK Flagrante